MotoAgent 内置的 Hermes Agent 不一样。它是一个会自我成长、能记住长期信息、可以扩展能力的真正 AI Agent。用越久越顺手，因为它一直在学习和适应你。

一、Hermes 是什么

Hermes 是由 Nous Research 开发的开源 AI Agent 框架，是 MotoAgent 内置的两个 AI 后端之一。跟普通的对话 AI 不同，Hermes 有以下几个核心特征：

• 自我改进循环： 从每次交互中学习，优化自己的行为方式
• 长久记忆系统： 跨会话记住用户偏好和关键信息

• 技能管理： 可以创建、安装、更新专属技能
• 多 Agent 协作： 多个专业 Agent 协同工作

在 MotoAgent 中，Hermes 承担的是复杂任务和深度场景的主力角色。需要写代码、分析文档、做规划、多步任务，Hermes 是最合适的选择。

二、自我学习 — 用越久越聪明

普通 AI 对话是没有记忆的。你告诉它"我喜欢简洁的回答"，下一次对话它又恢复默认风格，还得再说一遍。

Hermes 不一样。它有一个内置的学习循环：

从经验中创建技能： 当你反复做某类任务时，Hermes 会识别出规律，自动生成可复用的技能。比如你每周都要做数据报表，几次之后它就会把过程固化为一个专门的数据报表技能，下次说一句就能执行。

在使用中优化改进： 技能如果不够好，Hermes 会在使用过程中发现不足并自动修正。不需要你手动编辑，它自己就会迭代优化。

主动记录知识： 遇到重要的信息——你的名字、工作习惯、项目背景——Hermes 会自动写到记忆里，下次会话直接调用。

跨会话理解模型： 用了一段时间后，Hermes 对你有了深入了解——你的沟通风格、偏好什么格式、讨厌什么。这种理解是积累式的，越久越准确。

三、长久记忆 — 关掉对话也不会忘

记忆是 Hermes 最让用户惊艳的功能之一。它解决了所有 AI 工具的共性问题：下了线就失忆。

用户偏好记忆： 你告诉过它你是一名产品经理、喜欢用对比表格、回复不要太长——这些偏好会被保存，每次对话都生效。

项目上下文记忆： 正在做的项目信息、重要的截止日期、参与的人员——Hermes 自动记住，不需要每次重复交代背景。

环境信息记忆： 你的操作系统、常用工具、工作目录、网络环境——这些技术细节被记录后，Hermes 在帮你操作时会更精准。

可控制的记忆边界： 你可以查看 Hermes 记住了什么，也可以手动添加或删除记忆条目。完全透明，完全可控。

在 MotoAgent 中，这种长久记忆让你跟 Hermes 就像跟一个真正的助手合作——今天做的事明天继续，上周聊的项目这周还能接着推进，不需要反复重新交代背景。

四、技能系统 — 内置 + 可扩展

Hermes 的技能系统是它能力的核心。每个技能都是一个封装好的功能模块，可以随时启用或停用。

内置技能库： MotoAgent 开箱即带了丰富的内置技能——文档处理、PDF 生成、视频编辑、图片处理、代码开发、数据分析、内容创作、市场研究等几十个专业技能。这些技能覆盖了日常工作的大部分场景。

技能扩展： 如果内置技能不够用，Hermes 支持从社区安装更多技能。Skill Finder 技能可以搜索和安装 ClawHub 上的社区技能，不断扩展能力边界。

自定义技能： 你的独特工作流程，Hermes 可以帮你固化为专属技能。下次做同样的任务，不需要重新描述需求，一句话调用技能即可。

技能自动创建： 这是 Hermes 独有的能力——在使用过程中，如果发现某个任务反复执行，它会主动建议创建专属技能。

在 MotoAgent 中，每个 Agent 都可以配置不同的技能组合。前端开发工程师配置前端相关技能、文档专家配置文档处理技能、UI 设计师配置设计和前端技能——各司其职，专精于自己的工作领域。

五、多 Agent 协作 — 专业分工

Hermes 支持多 Agent 模式，不同的 Agent 负责不同的专业领域，协同完成复杂任务。

在 MotoAgent 中可以创建多个 Agent 角色：

每个 Agent 有自己的身份设定、技能配置、绑定的渠道和团队编排。在 MotoAgent 中，你可以为不同场景创建不同的 Agent，让专业的人做专业的事。

六、Hermes vs 其他 AI 工具

七、适合谁用

重度用户： 每天都在用 AI 辅助工作，需要一个越用越顺手的工具。Hermes 的记忆和学习能力让日常效率不断提升。

多角色工作者： 需要处理不同类型的任务，不想在多个工具之间切换。在 MotoAgent 中创建多个专业 Agent，一个平台解决所有问题。

团队协作： 多个成员需要不同的 AI 角色，各自有独立的记忆和配置。MotoAgent 的多 Agent 体系天然支持。

技术爱好者： 喜欢自己定制和扩展工具的人。Hermes 的技能系统让你可以创建专属工作流，而且它还会自己优化。

总结

MotoAgent 的 Hermes 不是一个普通的对话 AI。它是一个会自我学习、有长久记忆、能扩展技能的真 Agent。跟它合作越久，它越了解你的工作方式，效率也越高。

加上开机即用的安装体验和免费可用的内置模型，Hermes 让每个人都能拥有一个真正属于自己的 AI 助手。去 MotoAgent 下载体验，你会发现 AI 工具可以这样智能。

用过 AI 助手的人都有这种体验：刚开始觉得还挺好用，但用了一个月后，发现它还是老样子——同样的错误反复犯，教过的事情转头就忘，不会因为你用的时间长了就变得更好。

这就是有没有"自我学习"能力的区别。

大多数 AI 代理是"静态的"——无论你用多久，它的能力边界不会变。而 Hermes Agent 是"进化的"——它在每一次对话中学习，在每一次任务中改进，做得越久，能力越强。

在 MotoAgent 中使用的 Hermes Agent，是目前唯一一个内置了完整"自我进化"学习回路的 AI 代理。它不是简单地把你的话存起来，而是有一套完整的机制来评估、学习、优化和沉淀。

二、后台自改进回顾：每次对话都在悄悄进步

Hermes Agent 最神奇的地方在于：每次你和它对话结束后，它都在后台静默地运行一次"自我回顾"。

这个过程不需要你参与，也不需要额外操作。它会在后台做三件事：

1. 审视本次对话，判断有哪些值得记住的信息

2. 评估是否需要创建新的技能，把成功的操作流程固化下来

3. 检查已有的技能是否需要改进，根据本次经验做优化

默认情况下，界面上只会出现一行 "Memory updated" 的提示，告诉你它又学到了新东西。如果你想看详细内容，也可以设置成 verbose 模式，它会告诉你具体记住了什么。

这个后台回顾使用当前对话模型执行（利用已缓存的上下文，几乎不增加额外成本），也可以配置使用更便宜的模型来做回顾，进一步节省费用。

三、技能自主创建：成功一次，以后都会了

这是 Hermes Agent 自我进化中最实用的功能。

当你让 Hermes Agent 完成一个复杂的任务后——比如配置 CI/CD 流水线、写一套自动化脚本、搭建一个监控看板——它不会做完就忘。它会自动从这次成功的经验中创建一个可复用的技能。

技能本质上是一个 Markdown 格式的"说明书"，存放在 ~/.hermes/skills/ 目录下。一个技能包含：

• 任务的目标和适用范围
• 执行步骤和最佳实践

• 可能遇到的问题和解决方案
• 工具调用建议

下次你再遇到类似的任务，Hermes Agent 会自动加载这个技能，按照已经验证过的步骤执行。不仅更快，而且成功率更高。

你还可以通过 agentskills.io 开放标准，把技能分享给其他人，或者使用社区贡献的技能。

四、技能自我改进：越用越好

技能创建之后并不是一成不变的。每次使用技能时，Hermes Agent 都会记录使用情况：

当多次使用一个技能后，Agent 会发现哪些步骤可以优化、哪些说明不够清晰、哪些错误可以提前规避。它会自动对技能进行修补和改进，让下一次执行更加顺畅。

这就是"越用越好"的真正含义——不是大模型变强了，而是你专属的 Hermes Agent 积累了越来越多关于你的经验。

访问 MotoAgent 体验越用越聪明的 AI 代理。

五、Curator 策展系统：自动整理和清理

随着使用时间增长，Hermes Agent 会积累越来越多的技能。有些技能经常使用，有些可能很久都用不上了。这时候就需要 Curator（策展系统）来做自动管理。

Curator 在后台定期运行，它的工作包括：

Curator 的默认配置是每 7 天运行一次，但只在系统空闲时执行。它不会删除任何技能，而是把不常用的归档起来。如果你想找回某个归档的技能，直接说一声就行。

还有一个可选的"智能合并"功能——Curator 会审查所有 Agent 创建的技能，判断哪些可以合并、哪些需要改进、哪些已经过时。这会消耗一些 LLM Token，但能让技能库保持精炼。

六、记忆策展：知道该记住什么、该忘什么

前面我们聊过 Hermes Agent 的记忆系统（MEMORY.md 和 USER.md 文件有容量限制），但真正让它与众不同的是记忆策展能力。

当记忆接近容量上限（80%）时，Agent 会主动做以下事情：

1. 读取所有当前记忆条目

2. 判断优先级——哪些是关键事实必须保留，哪些已经过时可以删除

3. 合并相似条目——把多个相关的事实浓缩成一条

4. 删除不再相关的内容

5. 腾出空间存入新学到的信息

这种"替你做决定"的能力，是 Hermes Agent 自我进化中最体现"智能"的地方。它不只是被动地存东西，而是主动判断什么值得记住、什么可以忘记。

七、跨会话学习：上次的经验，这次直接用

自我进化还有一个重要维度：跨会话学习。

Hermes Agent 的所有历史会话都存储在 SQLite 数据库中，并建立了 FTS5 全文搜索索引。当你提到"之前我们做的那个项目"或者"上次那个配置"，Agent 可以：

• 通过 session_search 工具搜索所有历史会话
• 找到相关的讨论和决策记录

• 把历史经验应用到当前的对话中

这意味着每一个对话都不是孤立的——上次解决的问题，这次直接复用经验；上次犯过的错误，这次自动规避。

八、自我进化全景图

把以上所有机制放在一起，Hermes Agent 的自我进化流程就是一个完整的闭环：

1. 对话 → 你和 Agent 交流，完成任务

2. 观察 → 后台回顾审视本次对话

3. 记住 → 有价值的信息存入 MEMORY.md / USER.md

4. 技能化 → 成功的操作流程创建为 Skill

5. 改进 → 下次使用 Skill 时优化

6. 策展 → Curator 定期整理和归档

7. 召回 → 下次会话加载更新的记忆和技能

8. 再次对话 → 以更强的能力开始新一轮循环

这个循环每发生一次，Hermes Agent 的能力就提升一点。一周、一个月、一年下来，它的进步是累积的、可见的。

九、总结

Hermes Agent 的自我进化能力，是它和其他 AI 代理最根本的区别。

其他代理是"工具"——你用的时候它工作，你不用它就静止。而 Hermes Agent 是"伙伴"——它会在每一次协作中学习，在每一次任务中进步，变得越来越了解你、越来越能干。

在 MotoAgent 中，你可以直接使用 Hermes Agent 后端，不需要任何配置就能享受这种自我进化的能力。下载桌面端，和它聊上几天，你会发现它真的在一天天变聪明。

之前我们聊过 Hermes Agent 的"学习回路"式记忆系统——每次对话后自动总结、保存、改进。而 OpenClaw 走的是另一条路：配置驱动。

OpenClaw 的理念可以用一句话概括——"记忆就是 Markdown，大脑就是 Git 仓库，Harness 就是薄薄的一层指挥层"。什么意思呢？就是 OpenClaw 不依赖复杂的 AI 自动学习机制，而是把记忆和配置变成人类可读、可编辑的 Markdown 文件，Agent 在每次会话开始时直接读取这些文件，快速进入状态。

这种方式的好处非常明显：

• 不需要大量 Token 去"探索"项目结构
• 不依赖 LLM 的自动总结准确性

• 人类可以直接编辑和管理
• 团队协作时可以共享配置

在 MotoAgent 中，你可以直接使用 OpenClaw 作为 Agent 后端，体验这种配置驱动的记忆方式。

二、Memory-Wiki：结构化记忆系统

OpenClaw 的 Memory-Wiki 是它的核心记忆系统。它借鉴了 Andrej Karpathy 提出的"LLM Wiki"模式——把 AI 代理当作新入职的员工，第一天上班不应该是自己去翻代码库找信息，而是看一本现成的"入职手册"。

Memory-Wiki 由六个文件组成：

其中前五个文件是人类维护的"事实库"，只有 WORKING.md 允许 Agent 写入。这种结构确保了核心信息不会因为 Agent 的自动操作而丢失或混乱——"人类拥有正典，Agent 只碰工作记录"。

这套系统带来的实际收益非常可观。有用户报告，接入 Memory-Wiki 后，每个会话的 Token 消耗降低了 90% 以上。原因很简单：以前 Agent 每次启动都要花十几个工具调用去探索项目结构，现在读取 6 个 Markdown 文件就能直接进入工作状态。

三、SOUL.md：Agent 的灵魂配置文件

如果说 Memory-Wiki 是 OpenClaw 的"记忆系统"，那 SOUL.md 就是它的"灵魂配置文件"。SOUL.md 定义了 Agent 的个性、行为和技能调用方式。

一个典型的 SOUL.md 文件包含：

1. 身份定义：Agent 的角色和职责（比如"你是一个 Devops 工程师"）

2. 行为规则：Agent 应该遵循的操作规范

3. 技能引用：Agent 可以调用的技能和模板

4. Memory-Wiki 绑定：指定 Agent 在启动时读取哪些记忆文件

5. 工具权限：Agent 可以使用的工具和访问限制

例如，在 SOUL.md 中配置 Memory-Wiki 的加载顺序：

“`markdown

Memory Wiki

每次会话开始时，按顺序读取以下文件：

1. ~/memory-wiki/PROFILE.md — 用户是谁

2. ~/memory-wiki/STACK.md — 技术栈

3. ~/memory-wiki/PROJECTS.md — 当前项目

4. ~/memory-wiki/DECISIONS.md — 历史决策，不要重新讨论

5. ~/memory-wiki/PEOPLE.md — 协作者

6. ~/memory-wiki/WORKING.md — 当前焦点

“`

这种"配置文件定义一切"的方式，让 OpenClaw 非常灵活——你不需要懂编程，只需要编辑 Markdown 文件，就能定制一个完全符合你需求的 AI 代理。

访问 MotoAgent 可以一键创建配置了 OpenClaw 后端的 Agent。

四、Awesome-OpenClaw-Agents：162 个生产级模板

OpenClaw 最强大的地方在于它拥有一个庞大的模板生态——awesome-openclaw-agents 项目提供了 162 个生产级 Agent 模板，覆盖 19 个类别。

这些模板涵盖了各种场景：

每个模板都包含完整的 SOUL.md 配置和 Memory-Wiki 结构。你不需要从零开始配置，直接选择一个和你的需求最接近的模板，修改几行配置就能投入使用。

这种"模板化"的方式，是 OpenClaw 实现"自我优化"的秘密——与其让 Agent 自己摸索怎么做事，不如直接给它一份经过验证的"最佳实践"配置。162 个模板背后是 162 种已经被验证有效的工作模式。

五、Self-Optimization：配置进化的力量

OpenClaw 的"自我优化"和 Hermes Agent 的"自动学习"走的是不同路线。OpenClaw 的优化逻辑是：

1. 人类驱动优化：通过编辑 SOUL.md 和 Memory-Wiki，人类不断改进 Agent 的表现

2. 模板迭代优化：社区持续贡献新的模板和配置，优秀的配置被更多人使用和验证

3. Gateway 编排优化：多 Agent 协作时，OpenClaw Gateway 协调任务分配，找到最优工作流

4. WORKING.md 状态追踪：唯一可变的文件让 Agent 可以追踪当前工作进度，跨会话保持连续性

这种方式的好处是可解释性强、可控性高——你知道 Agent 为什么这么做，因为配置是你写的。缺点是需要人类投入维护时间。

而在 MotoAgent 中，你可以同时拥有 OpenClaw 和 Hermes 两个后端：

• 需要快速部署、模板化配置的场景 → 用 OpenClaw
• 需要自动学习、越用越聪明的场景 → 用 Hermes Agent

六、配置示例：5 分钟搭建一个 OpenClaw Agent

在 MotoAgent 中搭建一个 OpenClaw Agent 非常简单：

1. 在 MotoAgent 桌面端创建新 Agent

2. 后端选择 OpenClaw

3. 从 awesome-openclaw-agents 选择一个模板（比如"个人助理"）

4. 编辑 SOUL.md 中的 identity 和 memory-wiki 路径

5. 填写 PROFILE.md、PROJECTS.md 等基本配置

6. 保存并启动，Agent 就能直接投入工作

整个过程不超过 5 分钟。相比从零开始训练的 AI 代理，这种"配置即服务"的方式极大地降低了使用门槛。

七、总结

OpenClaw 用"配置驱动"的方式，走出了和 Hermes Agent "自动学习"不同的 AI 代理路线。它的 Memory-Wiki 提供了结构化、人类可编辑的记忆系统，SOUL.md 赋予了 Agent 灵魂和个性，而 162 个生产级模板则让任何人 5 分钟就能拥有一个专业的 AI 代理。

如果你想体验配置驱动的 AI 代理，去 MotoAgent 下载桌面端，创建一个 OpenClaw 后端的 Agent——配好 SOUL.md，写好 Memory-Wiki，一个懂你的 AI 助手就诞生了。